随着社会需求的增加,相机已经被广泛应用于各种监控场景中,包括交通监控场景。相机模型可以反映三维空间到二维图像空间的映射关系,因此,获取监控相机模型,即相机标定,是实现智能交通监控的前提和关键。虽然目前的相机标定方法众多,但适用于交通监控场景的有效方法较少。鉴于此,针对交通监控场景,提出一种简单通用的相机标定方法。本文的主要研究工作和成果如下:1.提出一种基于无穷远信息的标定条件。根据不同的监控场景信息,给出标定条件的获取方法。其中,基于无穷远信息的标定条件包括一个水平消失点、一个垂直消失点和一条水平消失线。提出的标定条件适用范围广、通用性强。2.提出基于无穷远信息的标定方法来估计相机参数。对于相机内参数和旋转角的估计,通过最大后验概率估计,对消失点的观测误差建模,同时结合消失点、消失线和相机参数的约束关系,使用最小二乘优化实现标定;对于移位向量的估计,提出使用已知相机高度、任意一段路面上的距离或垂直于路面的高度。仿真实验、沙盘图像实验和真实交通场景的实验结果均表明提出方法准确且性能稳定。3.提出一种加权动态标定方法,在线校正、更新相机参数。随着交通监控图像的更新,会新增多个消失点观测值,这些观测值应该被加入到相机标定中。同时,这些观测值通常具有噪声,当噪声值超过一定范围时,该消失点为外点,会降低标定的准确度。为了抑制外点干扰,本文提出在最小二乘优化的基础上采用加权的策略动态优化相机参数,对外点赋予较小的权重。实验结果表明提出方法能够有效提高标定的准确度。